From 7f7223f76b861205247f726d1e35119e8ee5e51f Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?=D0=9C=D0=B0=D1=80=D0=B8=D1=8F=20=D0=91=D0=B5=D1=80=D0=B4?=
 =?UTF-8?q?=D0=BD=D0=B8=D0=BA=D0=BE=D0=B2=D0=B0?=
 <mariahberdnikova@yandex.ru>
Date: Wed, 27 May 2026 08:36:16 +0000
Subject: [PATCH] =?UTF-8?q?=D0=94=D0=BE=D0=B1=D0=B0=D0=B2=D0=B8=D1=82?=
 =?UTF-8?q?=D1=8C=20solutions/69a474cdc46fd26feae69896=5F=D0=9F=D1=80?=
 =?UTF-8?q?=D0=B0=D0=BA=D1=82=D0=B8=D1=87=D0=B5=D1=81=D0=BA=D0=BE=D0=B5=5F?=
 =?UTF-8?q?=D0=B7=D0=B0=D0=B4=D0=B0=D0=BD=D0=B8=D0=B5=5F=5F3=5F=5F=D0=9F?=
 =?UTF-8?q?=D0=B0=D0=BC=D1=8F=D1=82=D1=8C=5F=D0=B8=5F=D0=BF=D0=BE=D0=B4?=
 =?UTF-8?q?=D1=82=D0=B2=D0=B5/agent=5Fwith=5Fmemory=5Fand=5Fhuman=5Fin=5Ft?=
 =?UTF-8?q?he=5Floop.py?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 .../agent_with_memory_and_human_in_the_loop.py | 112 ++++++++++++++++++
 1 file changed, 112 insertions(+)
 create mode 100644 solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/agent_with_memory_and_human_in_the_loop.py

diff --git a/solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/agent_with_memory_and_human_in_the_loop.py b/solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/agent_with_memory_and_human_in_the_loop.py
new file mode 100644
index 0000000..9809345
--- /dev/null
+++ b/solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/agent_with_memory_and_human_in_the_loop.py
@@ -0,0 +1,112 @@
+
+"""
+Практическое задание №3:
+Память и подтверждение действий
+
+Сценарий:
+- Агент использует LangChain + HumanInTheLoopMiddleware.
+- При каждом вызове инструмента агент останавливается,
+  выводит запрос пользователю (approve/reject) через консоль.
+- История сохраняется в MemorySaver, чтобы при повторном запуске
+  агент «помнил» предыдущие сообщения и решения.
+
+Требования:
+1. Подключение к LLM (ChatOpenAI).
+2. Создание простого инструмента – get_weather(city: str) -> str.
+3. Middleware‑подтверждение с выводом в консоль.
+4. Хранение истории в MemorySaver.
+5. Чат‑цикл: пользователь вводит запрос, агент отвечает,
+   при необходимости запрашивает подтверждение.
+
+"""
+
+import os
+from typing import Dict, Any
+
+# ---------- 1. Подключаем LLM ----------
+from langchain_openai import ChatOpenAI
+from langchain.agents import create_agent
+from langchain.tools import tool
+from langchain.schema import HumanMessage, AIMessage, SystemMessage
+from langgraph.checkpoint.memory import MemorySaver
+from langchain.agents.middleware import HumanInTheLoopMiddleware
+
+# Для примера используем локальный LLM (замените на свой)
+os.environ["OPENAI_API_KEY"] = "fake"          # нужен только для совместимости
+llm = ChatOpenAI(
+    model="gpt-4o-mini",
+    base_url="https://api.openai.com/v1",     # замените, если используете локальный сервер
+    temperature=0.7,
+)
+
+# ---------- 2. Инструмент ----------
+@tool
+def get_weather(city: str) -> str:
+    """
+    Возвращает погоду в указанном городе.
+    (В реальном проекте подключитесь к API погоды)
+    """
+    # Здесь просто пример – возвращаем фиктивный ответ
+    return f"Погода в {city}: ☀️ 25°C, ясное небо."
+
+# ---------- 3. Создаём агент ----------
+memory = MemorySaver()          # хранит историю
+
+agent = create_agent(
+    model=llm,
+    tools=[get_weather],
+    system_prompt="Ты полезный ассистент, отвечай на вопросы и при вызове инструментов спрашивай подтверждение.",
+    middleware=[
+        HumanInTheLoopMiddleware(
+            interrupt_on={"get_weather": True},          # останавливаемся перед каждым вызовом
+            description_prefix="Подтвердите вызов инструмента",
+        )
+    ],
+    checkpointer=memory,         # сохраняем историю в памяти
+)
+
+# ---------- 4. Чат‑цикл ----------
+def main():
+    print("🤖 Агент готов! Введите запрос (или 'exit' для выхода).")
+    while True:
+        user_input = input("\nВы: ")
+        if user_input.lower() in {"exit", "quit"}:
+            break
+
+        # Запускаем потоковый ответ
+        for chunk in agent.stream(
+            {"messages": [{"role": "human", "content": user_input}]},
+            stream_mode=["messages", "updates"],
+        ):
+            chunk_type, data = chunk
+
+            if chunk_type == "messages":
+                msg: AIMessage | HumanMessage | SystemMessage = data
+                # выводим только текст (без tool_calls)
+                if hasattr(msg, "content") and msg.content:
+                    print(msg.content, end="", flush=True)
+
+            elif chunk_type == "updates":
+                # Обрабатываем вызовы инструментов и подтверждения
+                for update in data:
+                    if "tool_calls" in update:
+                        # Выводим запрос к пользователю о подтверждении
+                        tool_name = update["tool_calls"][0]["name"]
+                        args = update["tool_calls"][0]["args"]
+                        print(f"\n\n⚠️  Нужно вызвать инструмент: {tool_name}({args})")
+                        decision = input("Разрешить? (y/n): ").strip().lower()
+                        if decision == "y":
+                            # Продолжаем выполнение, передавая решение
+                            agent.invoke(
+                                {"messages": [{"role": "human", "content": user_input}]},
+                                config={"configurable": {"thread_id": "chat-1"}},
+                            )
+                        else:
+                            print("⚠️  Вызов инструмента отклонён.")
+                            # Можно завершить цикл, если не нужно продолжать
+                            break
+
+        print("\n\n--- Конец ответа ---")
+
+if __name__ == "__main__":
+    main()